机器学习正在帮助Invisalign的患者呈现完美的微笑

简介: Align Technology的移动应用程序可以帮助Invisalign佩戴者按时完成任务,而机器学习和其他功能则有助于吸引潜在消费者试用这款牙齿矫正设备。

云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

移动计算的趋势要求企业能够满足消费者从智能手机获取信息和完成任务的期望。与此相应的是,移动设备早已经成为企业推销产品和服务的首选数字平台了。

Align Technology提供了一种无创牙齿矫正设备来矫正牙齿,该公司正在通过一个移动平台来拥抱这一趋势,该移动平台既可以帮助患者协调与医生的护理,也可以用来吸引新客户。My Invisalign应用程序包括了关于Invisalign系统如何工作的详细内容,以及机器学习技术,可以用来模拟佩戴者在使用医疗设备后的笑容。

image

Align Technology的首席数字官Sreelakshmi Kolli表示:“这是帮助医生和患者保持联系的自然延伸。”他于2003年以软件工程师的身份加入了公司,过去几年一直在致力于实现客户体验和业务运营的数字化。My Invisalign的开发也是Kolli将公司迁移到敏捷和DevSecOps实践的一个关键支点。

对完美笑容的推销

My Invisalign是一家公司的数字化入口,该公司依赖于热情的牙医和满意的病人的推介,来帮助Invisalign在800多万客户的口中找到一个家。除了笨重的金属牙套,Invisalign还拥有透明的塑料牙套,可以在几个月的时间里逐渐将患者的牙齿拉直。Invisalign的病人对这款设备非常信赖,但许多消费者对这款价格在3,000美元到5,000美元之间的设备仍持观望态度,因为它几乎完全没有被保险覆盖。

也就是说,市场营销会是My Invisalign的一个关键功能。2018年,Kolli组建了一个跨职能团队,包括了IT、销售、市场营销、商业和其他业务部门。通过使用敏捷方法,团队向一小部分患者推出了早期功能,并使用DevSecOps进行持续的实时反馈和发布。

该应用程序通过日历功能鼓励患者遵守他们的治疗,允许患者创建一个变更校准时间表(每周或每两周),并在计划的间隔期间提醒他们。MyCare的功能则允许患者通过照片、视频和其他虚拟协作功能与医生分享治疗进展,这允许他们可以跳过办公室的探访。

早期的挑战需要一些引导来进行修正。例如,一些用户由于在登录过程中出现注册错误而感到沮丧,因此放弃了该应用。Kolli的团队通过一键登录简化了注册过程,这是通过添加到aligner包和ML算法中的二维码的图像文本识别来实现的。在这些修改之后,My Invisalign被采用的次数从每周200次飙升到了每周800次。

在这一增长的鼓舞下,该团队于去年秋天升级了该应用程序,也推出了针对潜在患者的功能,包括教育内容和其他功能,以促进Invisalign的采用。例如,Find a Doctor功能可以帮助人们找到并安排与当地医生的会诊。公司在My Invisalign上的努力为Align Technology赢得了IDG 2020 CIO 100技术创新奖。

机器学习促进转化率

对于新病人的转化,真正的利器是SmileView,它融合了虚拟现实(VR)、面部识别、微笑检测和其他模式,一旦上传了自拍照片,就能同时显示佩戴者微笑前后的模拟。通过ML算法,这些图像可以根据从750万成功的Invisalign安装客户端中所收集的信息,帮助生成佩戴者潜在微笑的可视化图像。

“它会直观地告诉你什么是可能的,这比医生的说服更好,”当Kolli谈到专有功能时说,该功能是通过Amazon Web Services来运行其算法的。“这需要大量的工程技术。”

在很大程度上要感谢SmileView,以及通过Instagram、Twitter和其他社交媒体进行的健康宣传,成千上万的患者在他们的矫正治疗期间使用了My Invisalign。这款应用在苹果应用商店中拥有4.7的用户评分,已经被下载了超过20万次,这个数字每月都会增长20%到25%。

跟踪和分析患者的治疗过程对未来的成功是至关重要的。Align会使用谷歌Data Studio来分析患者的参与度,这有助于提供个性化和新的My Invisalign特性,以及用于未来销售线索的营销工作。

Kolli认为敏捷和DevSecOps的运营模式(包括每日的站立会议)能够获得客户的反馈,使Align能够快速为myInvisalign创建新的故事点。API和微服务在平台即服务的体系结构中也得到了支持,使得遍布世界各地的Align开发人员能够快速为消费者创建新功能和接触点,包括在亚洲、拉丁美洲和欧洲的超过15种语言的可用性。

“一个好的平台来自于一个好的API和微服务,”Kolli说。“拥有一个可扩展的技术架构的好处是,新功能既可以很容易地被构建,也可以很容易地被去除。”

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-06-05
本文作者:Clint Boulto
本文来自:“企业网D1Net”,了解相关信息可以关注“企业网D1Net”

相关文章
|
机器学习/深度学习 数据采集 算法
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
数据分享|R语言机器学习预测案例合集:众筹平台、机票折扣、糖尿病患者、员工满意度
|
机器学习/深度学习 数据采集 人工智能
【机器学习算法篇】K-近邻算法
K近邻(KNN)是一种基于“物以类聚”思想的监督学习算法,通过计算样本间距离,选取最近K个邻居投票决定类别。支持多种距离度量,如欧式、曼哈顿、余弦相似度等,适用于分类与回归任务。结合Scikit-learn可高效实现,需合理选择K值并进行数据预处理,常用于鸢尾花分类等经典案例。(238字)
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1953 6
|
机器学习/深度学习 数据采集 人工智能
20分钟掌握机器学习算法指南
在短短20分钟内,从零开始理解主流机器学习算法的工作原理,掌握算法选择策略,并建立对神经网络的直观认识。本文用通俗易懂的语言和生动的比喻,帮助你告别算法选择的困惑,轻松踏入AI的大门。
1137 8
|
机器学习/深度学习 存储 Kubernetes
【重磅发布】AllData数据中台核心功能:机器学习算法平台
杭州奥零数据科技有限公司成立于2023年,专注于数据中台业务,维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务,支持AI大模型应用,助力企业高效利用数据价值。
|
机器学习/深度学习 人工智能 算法
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
2798 13
机器学习算法的优化与改进:提升模型性能的策略与方法
|
机器学习/深度学习 人工智能 自然语言处理
AI训练师入行指南(三):机器学习算法和模型架构选择
从淘金到雕琢,将原始数据炼成智能珠宝!本文带您走进数字珠宝工坊,用算法工具打磨数据金砂。从基础的经典算法到精密的深度学习模型,结合电商、医疗、金融等场景实战,手把手教您选择合适工具,打造价值连城的智能应用。掌握AutoML改装套件与模型蒸馏术,让复杂问题迎刃而解。握紧算法刻刀,为数字世界雕刻文明!
626 6
|
机器学习/深度学习 算法 数据安全/隐私保护
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果(无水印),基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络(GRNN)、概率神经网络(PNN)、深度神经网络(DNN)和反向传播(BP)神经网络在人脸识别中的应用,涵盖各算法的结构特点与性能比较。
|
机器学习/深度学习 算法 网络安全
CCS 2024:如何严格衡量机器学习算法的隐私泄露? ETH有了新发现
在2024年CCS会议上,苏黎世联邦理工学院的研究人员提出,当前对机器学习隐私保护措施的评估可能存在严重误导。研究通过LiRA攻击评估了五种经验性隐私保护措施(HAMP、RelaxLoss、SELENA、DFKD和SSL),发现现有方法忽视最脆弱数据点、使用较弱攻击且未与实际差分隐私基线比较。结果表明这些措施在更强攻击下表现不佳,而强大的差分隐私基线则提供了更好的隐私-效用权衡。
533 14

热门文章

最新文章